爬虫基础-bs4模块

bs4基本使用：

• 它可以从 HTML 或 XML 文档中快速地提取指定的数据
• 导入模块：
  • from bs4 import BeautifulSoup
• 指定html解析器：
  • html.parser
• 基本格式：
  • xxx = BeautifulSoup(xxx, 'html.parser')

find()和find_all()：

• xxx.find(标签, 属性=值)
  • 找出一条符合属性=值的数据
• xxx.fina_all(标签, 属性=值)
  • 找出全部符合属性=值的数据
• 避免class冲突的两种方法：
  • class_="xxx"
  • attrs={"class": "xxx"}

bs4案例：

#爬取卖菜网最新消息
from bs4 import BeautifulSoup
import requests
url = "http://www.maicainan.com/"
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36 Edg/95.0.1020.40"
}
res = requests.get(url, headers=headers)
page = BeautifulSoup(res.text, "html.parser")
div = page.find("div", class_="im_list")
li = div.find_all("li")
for a in li:
    data = a.find_all("a")
    title = data[0].text
    print(title)
res.close()